Dataframeにおけるinfの処理テクニック

numpyにおけるinfに関するドキュメント
infとは?
IEEE 754浮動小数点は無限大を表す.
どうして生まれたの?

>>> np.NINF
-inf
>>> np.inf
inf
>>> np.log(0)
-inf
>>> np.array([1,2])/0 #        
array([ inf,  inf])

infを生み出すメリットは何ですか?
今のところ何のメリットも見られませんが、単純にinfで無限大を表すだけで、理解と表現が便利です.
infを生むのはどんな悪いところがありますか?
ユーザにとってinfには特殊な処理が必要であり,作業量が増大した.なぜ特別な処理が必要なのですか?多くの機械学習アルゴリズムライブラリはinfの処理をサポートしていないからである.
どうやって処理しますか?
一般的な処理方法:

非処理

置換

どのようにinfの位置を取得して埋めますか?

'''
isinf：             

isposinf：           

isneginf：           

isnan：          

isfinite：          （     ，             ）

'''
>>> np.isinf(np.inf) #        ，isinf    。
True

>>> np.isinf(np.array([1,np.inf]))
array([False,  True], dtype=bool)

>>>np.isinf(pd.DataFrame(np.array([1,np.inf])))
       0
0  False
1   True

>>>s1 = pd.Series([1,2,3,np.inf])
>>>s1
0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64

# inf   999
>>>s1[np.isinf(s1)] = 999
>>>s1
0    1.0
1    2.0
2    3.0
3  999.0
dtype: float64

# inf  np.nan (    )
>>>s1[np.isinf(s1)] = np.nan
>>>s1
0    1.0
1    2.0
2    3.0
3    NaN
dtype: float64

以上が本文の内容で、良いのは注目することができると思います.